如何使用Python+Selenium从SharePoint Excel文件获取数据？是否需每次下载？

是否必须下载文件？ #

不是必须的。除了下载本地读取，还有两种更高效的替代方案：

• 直接调用SharePoint的Graph API读取数据，无需依赖Selenium模拟浏览器，速度更快、稳定性更高
• 若文件为SharePoint Online共享文件，可通过pandas结合requests直接读取在线文件（需处理权限验证）

但如果你的自动化流程必须依赖Selenium完成前置网页操作（比如需先完成表单提交、权限验证等步骤才能访问文件），那么下载文件就是必要环节。

用Python-Selenium实现SharePoint Excel文件下载 #

以下是基于Chrome浏览器的具体实现步骤和代码：

前置配置 #

• 确保ChromeDriver版本与本地Chrome浏览器版本完全匹配
• 预先设置浏览器默认下载路径，避免触发保存弹窗

代码示例 #

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.common.by import By
import time

# 配置Chrome下载选项
chrome_options = Options()
download_dir = "/your/local/download/directory"  # 替换为本地实际路径
chrome_options.add_experimental_option("prefs", {
    "download.default_directory": download_dir,
    "download.prompt_for_download": False,
    "download.directory_upgrade": True,
    "safebrowsing.enabled": True
})

# 初始化浏览器
driver = webdriver.Chrome(options=chrome_options)

# 完成SharePoint登录流程（需根据实际登录页面调整元素定位）
driver.get("https://your-sharepoint-site-url.com")
# 输入用户名
driver.find_element(By.ID, "i0116").send_keys("your-account@domain.com")
driver.find_element(By.ID, "idSIButton9").click()
time.sleep(2)
# 输入密码
driver.find_element(By.ID, "i0118").send_keys("your-password")
driver.find_element(By.ID, "idSIButton9").click()
# 关闭"保持登录"弹窗（若有）
try:
    driver.find_element(By.ID, "idBtn_Back").click()
except:
    pass

# 导航到文件所在的文档库页面
driver.get("https://your-sharepoint-site-url.com/sites/your-site/documents/target-folder")

# 定位并触发下载操作（两种方式选其一）
# 方式1：通过文件右侧的"更多选项"菜单下载
more_btn = driver.find_element(By.XPATH, "//div[text()='target-file.xlsx']/ancestor::tr//button[@aria-label='更多选项']")
more_btn.click()
time.sleep(1)
download_btn = driver.find_element(By.XPATH, "//div[text()='下载']")
download_btn.click()

# 方式2：直接点击文件的下载链接（部分SharePoint版本支持）
# download_link = driver.find_element(By.XPATH, "//a[contains(@href, 'target-file.xlsx') and contains(@href, 'download')]")
# download_link.click()

# 等待文件下载完成（根据文件大小调整等待时长，或用文件监控逻辑替代）
time.sleep(10)

# 关闭浏览器
driver.quit()

关键注意事项 #

• SharePoint页面元素的ID、XPath会因版本（Online/本地部署）或站点配置不同而变化，需用浏览器开发者工具实际定位
• 若登录涉及多因素认证（MFA），Selenium无法自动处理，建议改用API方案或结合msal库完成认证
• 下载完成后，可通过pandas或openpyxl读取本地文件：

import pandas as pd
df = pd.read_excel(f"{download_dir}/target-file.xlsx")
print(df.head())

无下载的高效方案（推荐） #

若无需Selenium模拟浏览器操作，直接调用Graph API是最优解：

import requests
import pandas as pd
from io import BytesIO

# 获取Graph API访问令牌（需在Azure AD注册应用，获取client_id、client_secret等信息）
token_url = "https://login.microsoftonline.com/your-tenant-id/oauth2/v2.0/token"
auth_data = {
    "grant_type": "client_credentials",
    "client_id": "your-client-id",
    "client_secret": "your-client-secret",
    "scope": "https://graph.microsoft.com/.default"
}
token_response = requests.post(token_url, data=auth_data)
access_token = token_response.json()["access_token"]

# 调用API读取Excel工作表数据
file_api_url = "https://graph.microsoft.com/v1.0/drives/your-drive-id/items/your-file-id/workbook/worksheets('Sheet1')/usedRange"
headers = {"Authorization": f"Bearer {access_token}"}
data_response = requests.get(file_api_url, headers=headers)
sheet_data = data_response.json()

# 转换为DataFrame
df = pd.DataFrame(sheet_data["values"][1:], columns=sheet_data["values"][0])
print(df.head())

内容的提问来源于stack exchange，提问作者user9811289